論文の概要: Classification algorithms applied to structure formation simulations

• arxiv url: http://arxiv.org/abs/2106.06587v1
• Date: Fri, 11 Jun 2021 19:24:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-16 15:00:45.682264
• Title: Classification algorithms applied to structure formation simulations
• Title（参考訳）: 構造形成シミュレーションに応用した分類アルゴリズム
• Authors: Jazhiel Chac\'on, J. Alberto V\'azquez, Erick Almaraz
• Abstract要約: ランダムフォレスト分類アルゴリズムを用いて、暗黒物質粒子が初期状態まで遡ると、質量がしきい値を超える暗黒物質ハロスになるかどうかを推定する。 この結果から,無作為林は,全プロセスを実行することなく,宇宙シミュレーションの出力を予測するのに有用なツールであることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The properties of the matter density field present in the initial conditions of a cosmological simulation have an impact on the features of the structures formed after running the simulation. Based on this fact, in this paper we use a random-forest classification algorithm to infer whether or not dark matter particles, traced back to the initial conditions, would end up in dark matter halos whose mass is above some threshold. This problem might be posed as a binary classification task, where the initial conditions of the matter density field are mapped to classification labels provided by a halo finder program. Our results show that random forests are useful tools to predict the output of cosmological simulations without running the full process. These techniques might be used in the future to save computational costs and to explore more efficiently the effect of different dark matter/dark energy candidates on the formation of cosmological structures.
• Abstract（参考訳）: 宇宙シミュレーションの初期条件に存在する物質密度場の特性は、シミュレーションの実行後に形成された構造の特徴に影響を及ぼす。 この事実に基づき、本論文では、暗黒物質粒子が初期状態に遡るかどうかを推定するために、ランダムフォレスト分類アルゴリズムを用いて、質量がしきい値を超える暗黒物質ハロスに陥る。 この問題は、物質密度場の初期条件がhaloファインダプログラムによって提供される分類ラベルにマッピングされるバイナリ分類タスクとして考えられるかもしれない。 その結果,無作為林は,全プロセスを実行せずに宇宙シミュレーションのアウトプットを予測するための有用なツールであることがわかった。 これらの技術は、計算コストを節約し、宇宙構造の形成に異なるダークマター/ダークエネルギー候補が与える影響をより効率的に探求するために将来使用されるかもしれない。

関連論文リスト

• Fast Sampling of Cosmological Initial Conditions with Gaussian Neural Posterior Estimation [4.520518890664213]
  本研究では,シミュレーションに基づく推論を用いて,原始暗黒物質密度場のデータ制約付き実現を実現する方法を示す。 1つのGPUで数秒で数千の後方サンプルを生成します。
  論文  参考訳（メタデータ） (2025-02-05T13:02:14Z)
• GauSim: Registering Elastic Objects into Digital World by Gaussian Simulator [55.02281855589641]
  GauSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。 我々は連続体力学を活用し、各カーネルを連続体としてモデル化し、理想化された仮定なしに現実的な変形を考慮に入れた。 ガウシムは質量や運動量保存などの明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
  論文  参考訳（メタデータ） (2024-12-23T18:58:17Z)
• Predicting large scale cosmological structure evolution with GAN-based autoencoders [0.0]
  我々は,GANをベースとしたオートエンコーダ(AE)を用いて,シミュレーション中の構造進化を予測する。 AEsは、DM場の2次元シミュレーションにおける構造進化を予測できるが、密度場のみを入力として、同様の条件下での3次元シミュレーションでは、はるかに低性能であることがわかった。
  論文  参考訳（メタデータ） (2024-03-04T16:17:43Z)
• Bayesian Simulation-based Inference for Cosmological Initial Conditions [5.954511401622426]
  本稿では,シミュレーションに基づく推論に根ざし,自己回帰モデルにより拡張された多目的ベイズ場再構成アルゴリズムを提案する。 本稿では,概念実証における最初の有望な結果として,時空密度場からの宇宙初期条件の回復について述べる。
  論文  参考訳（メタデータ） (2023-10-30T18:24:25Z)
• Tensor Networks or Decision Diagrams? Guidelines for Classical Quantum Circuit Simulation [65.93830818469833]
  テンソルネットワークと決定図は、異なる視点、用語、背景を念頭に、独立して開発されている。 これらの手法が古典的量子回路シミュレーションにどのようにアプローチするかを考察し、最も適用可能な抽象化レベルに関してそれらの相似性を考察する。 量子回路シミュレーションにおいて,テンソルネットワークの使い勝手の向上と決定図の使い勝手の向上に関するガイドラインを提供する。
  論文  参考訳（メタデータ） (2023-02-13T19:00:00Z)
• Aspects of scaling and scalability for flow-based sampling of lattice QCD [137.23107300589385]
  格子場理論におけるサンプリングへの機械学習正規化流れの最近の応用は、そのような手法が臨界減速と位相凍結を緩和できる可能性を示唆している。 最先端の格子量子色力学計算に適用できるかどうかはまだ定かではない。
  論文  参考訳（メタデータ） (2022-11-14T17:07:37Z)
• Isotropic Gaussian Processes on Finite Spaces of Graphs [71.26737403006778]
  種々の非重み付きグラフの集合上でガウス過程の先行を定義するための原理的手法を提案する。 さらに、未重み付きグラフの同値類の集合を検討し、それに対する事前の適切なバージョンを定義する。 化学の応用に触発されて、我々は、小データ構造における実際の分子特性予測タスクについて、提案手法を解説した。
  論文  参考訳（メタデータ） (2022-11-03T10:18:17Z)
• A Greedy and Optimistic Approach to Clustering with a Specified Uncertainty of Covariates [6.231304401179968]
  我々は,経験的不確実性集合よりも優れた特徴候補を求める,欲求的で楽観的なクラスタリング(GOC)アルゴリズムを提案する。 重要な応用として、銀河系の形成過程を模した数値シミュレーションにより生成された恒星の軌道特性の合成データセットにGACアルゴリズムを適用した。
  論文  参考訳（メタデータ） (2022-04-18T07:54:24Z)
• Engineering analog quantum chemistry Hamiltonians using cold atoms in optical lattices [69.50862982117127]
  数値的なアナログシミュレータの動作条件をベンチマークし、要求の少ない実験装置を見出す。 また、離散化と有限サイズ効果により生じるシミュレーションの誤差についてより深く理解する。
  論文  参考訳（メタデータ） (2020-11-28T11:23:06Z)
• Deep learning insights into cosmological structure formation [1.6351557933652356]
  我々は,暗黒物質ハロの最終質量の確立において,初期条件における異方性情報の役割を研究するためのディープラーニングフレームワークを構築した。 異方性は, 最終ハロ質量に関する密度場の球面平均内に含まれる情報に対して, 統計的に有意な量の情報を与える。
  論文  参考訳（メタデータ） (2020-11-20T19:00:00Z)
• Probability and consequences of living inside a computer simulation [77.65665055163332]
  合理的な仮定の下では、ドレーク型方程式は宇宙が故意のシミュレーションの結果であるという確率に対して得られることが示されている。 このようなシミュレーションの外部からの盗聴の可能性について検討し、シミュレーション内の量子暗号の試行を回避できる汎用攻撃を導入する。
  論文  参考訳（メタデータ） (2020-08-21T02:41:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。